設計可視化資料集：英國氣候緩解共益資料集的教訓與反思
arXiv - Human-Computer InteractionJinrui Wang, Alexis Pister, Sian Phillips, Sarah Bissett, Ruaidhri Higgins-Lavery, Clare Wharmby, Andrew Sudmant, Uta Hinrichs, Benjamin Bach
本文闡述設計英國氣候共益資料集的過程，並提出五大驅動力，為未來可視化資料集設計提供概念框架。
AI 幫你先抓重點
AI 重點 1
五大驅動力概念有助於在設計過程中調整重點與優先順序。
滑鼠懸停看 AI 判斷理由
它將複雜的設計需求拆解為可操作的維度，讓設計師能在不同階段聚焦最關鍵的因素，提升資料集的相關性與可用性。
AI 重點 2
持續的利益相關者啟動與反思能揭露資料過載與使用者摩擦。
滑鼠懸停看 AI 判斷理由
透過實際使用者的回饋，設計團隊可即時調整導航、篩選與說明方式，確保資料集既具深度又易於導覽，符合實務需求。
核心研究發現
- 1
10個月的設計過程包含8場工作坊、15場利益相關者啟動會議，最終產出超過400頁的互動視覺化與說明內容。
- 2
研究發現五大驅動力：資料、人物、故事、背景與資料集本身，這些動力在不同設計階段呈現不同影響。
- 3
透過持續反思與使用者測試，揭示利益相關者在瀏覽龐大資料時的興趣、潛在摩擦與預期使用情境。
對教育工作者的啟發
實務建議包括：① 以迭代式工作坊與原型測試為核心，持續收集利益相關者回饋；② 在設計初期即確立五大驅動力（資料、人物、故事、背景、資料集本身），並在不同階段調整重點；③ 針對多元受眾設計可導向與解說式探索功能，避免資料過載；④ 建立清晰的導航與篩選機制，協助使用者快速定位關鍵資訊；⑤ 透過持續反思與使用情境模擬，驗證設計假設並調整內容。
原始文獻資訊
- 英文標題：
- Designing a Visualization Atlas: Lessons & Reflections from The UK Co-Benefits Atlas for Climate Mitigation
- 作者：
- Jinrui Wang, Alexis Pister, Sian Phillips, Sarah Bissett, Ruaidhri Higgins-Lavery, Clare Wharmby, Andrew Sudmant, Uta Hinrichs, Benjamin Bach
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。